根据点位置和关联的点值对地理数据进行聚类

给定的数据点具有经度，纬度和该点的第​​三个属性值。如何基于属性值将点聚类为组（地理子区域）？我在Google上搜索后发现，这个问题似乎被称为“空间约束聚类”或“区域化”。但是，我对处理地理数据并不熟悉，也不清楚如何使用哪种算法，以及哪种python / R软件包适合此任务。

为了更直观地了解我想要的东西，假设我的数据散布图如下：

因此，每个点都是一个点，x是经度，y是纬度，并且颜色图显示值是大还是小。我想根据位置和值的相似性将这些点划分为子区域/组/集群。如下所示（这并不是我想要的，只是为了显示一个直观的想法。）：

那么我该如何实现呢？

rioja软件包提供了用于受约束的层次集群的功能。对于您认为的“空间受限”，您可以基于距离指定切割，而对于“区域化”，则可以使用k个最近的邻居。我强烈建议您投影数据，使其处于基于距离的坐标系中。

require(sp)
require(rioja)

data(meuse)
  coordinates(meuse) <- ~x+y
  cdat <- data.frame(x=coordinates(meuse)[,1],y=coordinates(meuse)[,2])
  rownames(cdat) <- rownames(meuse@data)

# Constrained hierarchical clustering 
chc <- chclust(dist(cdat), method="conslink")

# Using kNN with 3 neighbors
chc.n3 <- cutree(chc, k=3) 

# Using distance 
chc.d200 <- cutree(chc, h=200) 

meuse@data <- data.frame(meuse@data, KNN=as.factor(chc.n3), DClust=chc.d200)

opar <- par
  par(mfcol=c(1,2))  
   cols <- topo.colors(length(unique(meuse@data$KNN)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$KNN))) {
        v <- unique(meuse@data$KNN)[i] 
          color[(meuse@data$KNN == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="kNN Clustering")
      box()

    cols <- topo.colors(length(unique(meuse@data$DClust)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$DClust))) {
        v <- unique(meuse@data$DClust)[i] 
          color[(meuse@data$DClust == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="Distance Clustering")
      box() 
par <- opar